Neutralité raciale et diversité : la fabrique des cadres raciaux au sein de deux universités d’élite étatsuniennes
Bibliographic record
Abstract
Cet article propose d’analyser les cadres raciaux, ou les prismes par lesquels les individus interprètent le rôle de la race dans la société, mobilisés par les étudiantes et étudiants blancs de deux universités d’élite étatsuniennes. Pour la plupart d’entre eux, l’entrée dans une université d’élite coïncide avec le renforcement du cadre de la diversité qui met l’accent sur les retombées positives de la diversité culturelle. Beaucoup adoptent, cependant, un cadre de neutralité raciale (colorblidness) qui considère les groupes comme équivalents et les identités raciales comme non significatives. À partir d’une enquête par entretiens approfondis auprès de 47 étudiantes et étudiants blancs nés aux États-Unis et inscrits à Brown et à Harvard (N = 47), nous explorons les tensions et les ambivalences qui parcourent ces deux cadres raciaux, potentiellement divergents ; la manière dont ils influent sur les perceptions étudiantes des politiques d’affirmative action et des relations interraciales sur les campus. Nous soulignons le dynamisme et la plasticité des cadres raciaux montrant les effets que les institutions peuvent avoir sur la construction des perspectives individuelles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.000 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".